Python 使用1'将一维数组（K，1）转换为二维一致/一致数组（K，K）；s或0'；如果值匹配，则为s

第一个数组（K，1）是一维的，每个索引项都有值

（A，B，C，D，E，F，G，H）=[1,2,2,3,1,3,1,2]，其中A=1，B=2，C=2，D=3，E=1，F=3，G=1，H=2

我们希望创建一个（K，K）数组，其中包含共识或一致性值，这将是一个

（A，B，C，D，E，F，G，H）x（A，B，C，D，E，F，G，H）矩阵

因此，如果任何两个索引项在原始一维数组中具有相同的值，则新值将为1，但如果两个索引项具有不同的值，则新值将为零

例如，由于原始一维数组中的B=2和H=2，则二维一致性矩阵数组中的B，H=1，但由于原始数组中的A=1和B=2，则一致性矩阵中的A，B=0

A到起始数组和所需结果

另外，寻找一种计算效率高的方法，因为我们的K通常是300到500项，可能的值范围是1到7

我们必须通过300个单独的迭代或300个不同的开始一维数组（K，1）来完成相同的过程，一次完成一个，以创建300个不同的共识/一致性矩阵

我没有尝试过任何东西，因为我不知道如何接近

预期结果将是一个

K x K

矩阵，其中每个单元格的值要么为1（如果列和行项目iD最初具有相同的值），要么为零（如果它们最初在开始的一维数组（K，1）中没有相同的值）

i、 e，（B=2，H=2）因此（B，H=1） 但是（A=1，B=2）因此（A，B=0）

---

另请参阅示例输入所需结果的图像。

如果我们的阵列是numpy阵列，那么我们可以利用广播

import numpy as np

arr = np.array([1,2,2,3,1,3,1,2])

np.equal(np.reshape(arr, (-1, 1)), arr)

---

结果是一个

dtype（'bool'）

数组，但如果您愿意，可以将其转换回

int

。

欢迎使用堆栈溢出。你熟悉吗？你愿意结果是一个numpy数组而不是一个基本的Python列表吗？非常感谢。我们会试试你的好建议。凯尔的解决方案很有魅力。我们在K=300个样本上进行Wards聚类，每个样本具有118个基因表达特征，然后重新采样50次（即每次聚类随机剔除20%的样本），并在所有50个单独聚类输出的下游实施他的解决方案，以给我们50个唯一的一致性矩阵。整个过程从开始到结束只需1.5分钟！美丽的